CN108805968A - 基于视频的虚拟毛笔建模方法 - Google Patents
基于视频的虚拟毛笔建模方法 Download PDFInfo
- Publication number
- CN108805968A CN108805968A CN201810548492.6A CN201810548492A CN108805968A CN 108805968 A CN108805968 A CN 108805968A CN 201810548492 A CN201810548492 A CN 201810548492A CN 108805968 A CN108805968 A CN 108805968A
- Authority
- CN
- China
- Prior art keywords
- brush
- image
- writing skill
- selected frame
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于视频的虚拟毛笔建模方法,其实现过程是:(1)录制视频;(2)读取视频;(3)提取毛笔笔头;(4)获取毛笔笔头模型参数;(5)建立毛笔模型。本发明通过利用定制的特定颜色的毛笔笔头书写汉字的视频,利用图像处理技术从视频帧中提取毛笔建模参数进而实现毛笔建模,使得本方法建立的模型能够较好的模拟毛笔形变,并且计算速度更快,可用于三维虚拟绘制过程中,使创作者能够在电脑上进行书法创作。
Description
技术领域
本发明属于计算机技术领域,更进一步涉及三维虚拟绘制技术领域中的一种基于视频的虚拟毛笔模型建模方法。本发明通过毛笔的电子化与数字化,为中国书法提供了一种数字创作工具,用于三维虚拟绘制过程中,使创作者能够在电脑上进行书法创作。
背景技术
毛笔的数字化对于实现逼真的数字书法效果是非常重要的,需要建立一个合适的虚拟毛笔模型。毛笔建模是三维虚拟绘制的基础。
厦门大学在其申请的专利文献“一种基于纹理学习的电子毛笔建模方法”(申请日:2011年8月26日,申请号:201110248463.6,公开号:CN 102306308A)中公开了一种电子毛笔建模方法。该方法的主要步骤是:第一,用户在数字手写板上对输入书写毛笔笔画并以多个离散点的数据结构存储;第二,将上述离散点作为手写板上输入书写笔的骨架点并根据每个骨架点的书写力度在骨架点两侧产生两组相对应的边缘轮廓点;第三,采用样条曲线拟合上述产生的两组轮廓点并形成笔画的线条轮廓;第四,使用神经网络和模糊逻辑的方法对真实的毛笔书法纹理进行学习,并获得书法纹理的灰度值序列;第五,根据上述获得的灰度值序列向笔画的轮廓内侧填充并最终获得毛笔书法作品。该方法存在的不足之处是,利用该模型进行书法创作时,不能充分反映毛笔的形变过程,不能实时反应毛笔形态的变化,缺乏进行书法创作的真实感。
大连理工大学在其申请的专利文献“一种基于力反馈技术的毛笔建模方法”(申请日:2013年6月20日,申请号:201310248722.4,公开号:CN 103345773A)中公开了一种基于力反馈的虚拟毛笔建模方法。该方法的主要步骤是:第一,建立基于力反馈的毛笔几何模型,将毛笔定义为毛笔中心折线以及过各节点上的不同半径的圆,毛笔笔尖为一个点,当毛笔受力发生变形时,各节点上的圆发生变形,形成椭圆;第二,建立毛笔力学模型,该毛笔力学模型为弹簧振子模型,即在毛笔笔头安装一个垂直于纸面的弹簧,弹簧始终沿纸面法向变形;第三,通过力反馈设备向毛笔施压,弹簧发生变形,从而产生反馈力,由反馈力计算毛笔变形后的中心折线及变形后各椭圆的长短轴,由此确定毛笔笔道宽度,从而建立毛笔压力与毛笔变形的关系。该方法存在的不足之处是:第一,该方法中在建立毛笔力学模型过程中利用弹簧获取反馈力的数据采集过程复杂,计算量较大。第二,该方法建立的模型中仅以笔尖为一个点,建立的毛笔模型形态变化不够充分,不能反映随着创作者施力增加导致毛笔笔头由点变为线的毛笔状态变化过程。
发明内容
本发明的目的在于针对上述现有技术的不足,提供了一种基于视频的虚拟毛笔建模方法。实现本发明目的的思路是:录制特定毛笔书写汉字的过程,利用视频中毛笔笔头的颜色特征提取毛笔笔头图像,从视频帧中提取毛笔建模参数,提取毛笔笔头的骨架用于实现毛笔中轴线的建立,提取毛笔轮廓用于获取毛笔笔头建模中各椭圆截面的长轴数据,最终实现毛笔建模。该方法方便易行,能够充分的获取毛笔在书写过程中的形态,计算量较小。
本发明的步骤包括如下:
(1)录制视频:
录制特定毛笔书写单个汉字的过程,得到毛笔字书写视频;
(2)从视频中未读过的帧图像中任意读取一帧图像;
(3)获取毛笔笔头图像:
(3a)从所选帧图像中随机选取一个未读过的像素点;
(3b)选取像素点的红绿蓝RGB颜色空间转换到HSV颜色空间,得到该像素点的色调值H、饱和度值S、亮度值V;
(3c)将所选取像素点的色调值H值是否在毛笔笔头颜色对应的色调区间的取值范围内,若是,则执行步骤(3e),否则,执行步骤(3d);
(3d)将所选取像素点的色调值H、饱和度值S及亮度值V设置为0,得到黑颜色的像素点;
(3e)所选取帧图像中像素点是否选完,若是,则得到所选帧的毛笔笔头图像后执行步骤(4),否则,执行步骤(3a);
(4)获取毛笔笔头模型参数:
(4a)利用灰度值计算公式,计算所选帧的毛笔笔头图像中每个像素点的灰度值,将计算后所有像素点的灰度值,组成灰度化后的所选帧的毛笔笔头图像;
(4b)使用最大类间方差法,计算灰度化后的所选帧的毛笔笔头图像的全局阈值;
(4c)将灰度值大于等于全局阈值的像素点的灰度值设置为255,灰度值小于全局阈值的像素点的灰度值设置为0,所有像素点的二值组成二值化后的所选帧的毛笔笔头图像;
(4d)采用图像边缘检测方法,对二值化后的所选帧的毛笔笔头图像进行边缘检测,得到所选帧的毛笔笔头的边缘图像;
(4e)采用图像骨架提取方法,对二值化后的所选帧的毛笔笔头图像进行骨架提取,得到所选帧的毛笔笔头的骨架图像;
(4f)在所选帧的毛笔笔头图像中建立以左上角为原点、水平方向向右为y轴、竖直方向向下为x轴的坐标系,得到对应的离散的边缘数据点(xk,yk),k的取值范围为[1,M],M表示毛笔笔头骨架图像中灰度值为255像素点总数,利用三次贝塞尔曲线拟合离散的骨架数据点集中的数据点,得到所选帧的毛笔笔头的中轴线;
(4g)将所选帧的毛笔笔头边缘图像上所有灰度值为255的每个像素点映射到毛笔笔头中轴线所在的坐标系中,得到对应的离散的边缘数据点(xj,yj),j的取值范围为[1,N],N表示毛笔笔头边缘图像中灰度值为255像素点总数,利用三次贝塞尔曲线拟合所有离散的边缘数据点,得到所选帧的毛笔笔头的边缘曲线;
(4h)将毛笔笔头的中轴线等分为K段,将每个等分点pn处的中轴线的垂线与毛笔笔头的边缘曲线的交线段的长度赋值给过等分点pn的毛笔笔头模型的椭圆的长轴直径Dn,0≤n≤K,K表示等分点个数;
(4i)判断毛笔笔头中轴线是否为一条直线段,若是,则执行步骤(4j),否则执行步骤(4k);
(4j)取经过等分点pn的毛笔笔头模型的椭圆的短轴直径Cn等于取经过等分点pn的椭圆长轴直径Dn;
(4k)按照椭圆短轴直径,计算经过等分点pn的椭圆短轴直径Cn;
(5)建立毛笔模型,当前的毛笔模型是由K个经过毛笔中轴线等分点pn的长轴直径为Dn、短轴直径为Bn的椭圆组成的,这些椭圆垂直于毛笔中轴线,K为毛笔中轴线等分点的个数;
(6)判断是否读取完视频中所有帧图像,若是,则执行步骤(7),否则,执行步骤(2);
(7)得到所有帧图像帧对应的毛笔模型。
本发明与现有技术相比具有以下优点:
第一,由于本发明采用录制视频的方法采集毛笔模型数据,克服了现有技术中在建立毛笔模型过程中利用弹簧获取反馈力的数据采集过程复杂的问题,使得本发明采集毛笔数据简单可行。
第二,本发明在获取毛笔建模参数的过程中,采用从视频中提取参数的方法,得到的毛笔形态更加充分,能够得到书写过程毛笔各种形态下的毛笔模型参数,克服了现有技术建立的毛笔模型不能够充分反映毛笔的形变过程的问题,使得本发明建立的毛笔模型形态变化更加充分。
第三,本发明在建立毛笔模型的过程中,只需要毛笔中轴线以及构成毛笔模型的各截面长短轴直径数据,克服了现有技术在建立毛笔模型过程中利用弹簧获取反馈力的数据计算量较大的问题,使得本发明数据计算量更小,计算速度更快。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图1对发明的具体步骤做进一步的描述。
步骤1,录制视频。
录制特定毛笔书写单个汉字的过程,得到毛笔字书写视频。
所述的特定毛笔是指,除黑色之外的任意一种颜色,对毛笔笔头染色处理后的毛笔。所述的毛笔字书写视频是指,录制使用特定毛笔蘸清水在水写布上书写单个汉字过程的视频,视频中墨迹颜色与毛笔笔头颜色不同为黑色。
步骤2,从视频中未读过的帧图像中任意读取一帧图像。
步骤3,获取毛笔笔头图像。
第1步,从所选帧图像中随机选取一个未读过的像素点。
第2步,选取像素点的红绿蓝RGB颜色空间转换到HSV颜色空间,得到该像素点的色调值H、饱和度值S、亮度值V。
第3步,将所选取像素点的色调值H值是否在毛笔笔头颜色对应的色调区间的取值范围内,若是,则执行本步骤的第5步,否则,执行本步骤的第4步。
第4步,将所选取像素点的色调值H、饱和度值S及亮度值V设置为0,得到黑颜色的像素点。
第5步,所选取帧图像中像素点是否选完,若是,则得到所选帧的毛笔笔头图像后执行步骤4,否则,执行本步骤的第1步。
步骤4,获取毛笔笔头模型参数。
利用灰度值计算公式,计算所选帧的毛笔笔头图像中每个像素点的灰度值,将计算后所有像素点的灰度值,组成灰度化后的所选帧的毛笔笔头图像。
所述的灰度值计算公式如下:
Fi=0.30Ri+0.59Gi+0.11Bi
其中,Fi表示所选帧的毛笔笔头图像中的第i个像素点的灰度值,Ri表示所选帧的毛笔笔头图像中的第i个像素点的红色分量,Gi表示所选帧的毛笔笔头图像中的第i个像素点的绿色分量,Bi表示所选帧的毛笔笔头图像中的第i个像素点的蓝色分量。
使用最大类间方差法,计算灰度化后的所选帧的毛笔笔头图像的全局阈值。
所述最大类间方差法的具体步骤如下:
第1步,从灰度化后所选帧的毛笔笔头图像中,任选一个未被选过的像素点的灰度值作为参考灰度值。
第2步,将灰度值大于参考灰度值的灰度化后所选帧的毛笔笔头图像像素点,作为前景像素点;将灰度值小于参考灰度值的灰度化后所选帧的毛笔笔头图像的像素点,作为背景像素点。
第3步,按照下式,计算灰度化后所选帧的毛笔笔头图像的前景和背景之间的类间方差值:
g=ω0×ω1×(μ0-μ1)2
其中,g表示灰度化后所选帧的毛笔笔头图像的前景与背景之间的类间方差值,ω0表示背景像素点在灰度化后所选帧的毛笔笔头图像的所有像素点中所占的比例,ω1表示前景像素点在灰度化后所选帧的毛笔笔头图像的所有像素点中所占的比例,μ0表示所有背景像素点灰度值的均值,μ1表示所有前景像素点灰度值的均值。
第4步,判断灰度化后所选帧的毛笔笔头图像中是否还存在未被选过的像素点,若是,则执行本步骤的第4步,否则,执行本步骤的第5步。
第5步,将类间方差中最大的类间方差所使用的参考灰度值,作为灰度化后所选帧的毛笔笔头图像的全局阈值。
将灰度值大于等于全局阈值的像素点的灰度值设置为255,灰度值小于全局阈值的像素点的灰度值设置为0,所有像素点的二值组成二值化后的所选帧的毛笔笔头图像。
采用图像边缘检测方法,对二值化后的所选帧的毛笔笔头图像进行边缘检测,得到所选帧的毛笔笔头的边缘图像。
所述图像边缘检测方法的具体步骤如下:
以3行3列的全1矩阵为结构元素,对二值化后所选帧的毛笔笔头图像进行数学形态学腐蚀操作,得到腐蚀后的所选帧的毛笔笔头图像。用二值化后所选帧的毛笔笔头图像各像素点的灰度值减去腐蚀后的所选帧的毛笔笔头图像对应像素点处的灰度值,将差值中为二值为255的像素点提取出来组成二值化后毛笔笔头图像的边缘。
采用图像骨架提取方法,对二值化后的所选帧的毛笔笔头图像进行骨架提取,得到所选帧的毛笔笔头的骨架图像。
所述的图像骨架提取方法的具体步骤如下:
以3行3列的全1矩阵为结构元素,对二值化后所选帧的毛笔笔头图像作数学形态学开操作,得到开操作后的所选帧的毛笔笔头图像。用二值化后所选帧的毛笔笔头图像减去开操作后的所选帧的毛笔笔头图像对应像素点处像素值,将差值中二值为255的像素点提取出来组成二值化后毛笔笔头图像的骨架。
在所选帧的毛笔笔头图像中建立以左上角为原点、水平方向向右为y轴、竖直方向向下为x轴的坐标系,得到对应的离散的边缘数据点(xk,yk),k的取值范围为[1,M],M表示毛笔笔头骨架图像中灰度值为255像素点总数,利用三次贝塞尔曲线拟合离散的骨架数据点集中的数据点,得到所选帧的毛笔笔头的中轴线。
将所选帧的毛笔笔头边缘图像上所有灰度值为255的每个像素点映射到毛笔笔头中轴线所在的坐标系中,得到对应的离散的边缘数据点(xj,yj),j的取值范围为[1,N],N表示毛笔笔头边缘图像中灰度值为255像素点总数,利用三次贝塞尔曲线拟合所有离散的边缘数据点,得到所选帧的毛笔笔头的边缘曲线。
将毛笔笔头的中轴线等分为K段,将每个等分点pn处的中轴线的垂线与毛笔笔头的边缘曲线的交线段的长度赋值给过等分点pn的毛笔笔头模型的椭圆的长轴直径Dn,0≤n≤K,K表示等分点个数。
判断毛笔笔头中轴线是否为一条直线段,若是,取经过等分点pn的毛笔笔头模型的椭圆的短轴直径Cn等于取经过等分点pn的椭圆长轴直径Dn,否则,按照椭圆短轴直径,计算经过等分点pn的椭圆短轴直径Cn。
所述的椭圆短轴直径计算公式如下:
其中,cn表示经过等分点pn的椭圆短轴直径椭圆短轴直径;An表示中轴线为直线段时第n个等分点处的椭圆长轴直径;L表示中轴线的弧长;Dn表示经过第n个等分点处的椭圆短轴直径椭圆短轴直径;Q表示中轴线为直线段时中轴线的弧长。
步骤5,建立毛笔模型,当前的毛笔模型是由K个经过毛笔中轴线等分点pn的长轴直径为Dn、短轴直径为Bn的椭圆组成的,这些椭圆垂直于毛笔中轴线,K为毛笔中轴线等分点的个数。
步骤6,判断是否读取完视频中所有帧图像,若是,则执行步骤7,否则,执行步骤2。
步骤7,得到所有帧图像帧对应的毛笔模型。
Claims (8)
1.一种基于视频的虚拟毛笔建模方法,其特征在于,录制特定毛笔书写汉字的过程,利用视频中毛笔笔头的颜色特征提取毛笔笔头图像,从视频帧中提取毛笔建模参数;该方法的步骤包括如下:
(1)录制视频:
录制特定毛笔书写单个汉字的过程,得到毛笔字书写视频;
(2)从视频中未读过的帧图像中任意读取一帧图像;
(3)获取毛笔笔头图像:
(3a)从所选帧图像中随机选取一个未读过的像素点;
(3b)选取像素点的红绿蓝RGB颜色空间转换到HSV颜色空间,得到该像素点的色调值H、饱和度值S、亮度值V;
(3c)将所选取像素点的色调值H值是否在毛笔笔头颜色对应的色调区间的取值范围内,若是,则执行步骤(3e),否则,执行步骤(3d);
(3d)将所选取像素点的色调值H、饱和度值S及亮度值V设置为0,得到黑颜色的像素点;
(3e)所选取帧图像中像素点是否选完,若是,则得到所选帧的毛笔笔头图像后执行步骤(4),否则,执行步骤(3a);
(4)获取毛笔笔头模型参数:
(4a)利用灰度值计算公式,计算所选帧的毛笔笔头图像中每个像素点的灰度值,将计算后所有像素点的灰度值,组成灰度化后的所选帧的毛笔笔头图像;
(4b)使用最大类间方差法,计算灰度化后的所选帧的毛笔笔头图像的全局阈值;
(4c)将灰度值大于等于全局阈值的像素点的灰度值设置为255,灰度值小于全局阈值的像素点的灰度值设置为0,所有像素点的二值组成二值化后的所选帧的毛笔笔头图像;
(4d)采用图像边缘检测方法,对二值化后的所选帧的毛笔笔头图像进行边缘检测,得到所选帧的毛笔笔头的边缘图像;
(4e)采用图像骨架提取方法,对二值化后的所选帧的毛笔笔头图像进行骨架提取,得到所选帧的毛笔笔头的骨架图像;
(4f)在所选帧的毛笔笔头图像中建立以左上角为原点、水平方向向右为y轴、竖直方向向下为x轴的坐标系,得到对应的离散的边缘数据点(xk,yk),k的取值范围为[1,M],M表示毛笔笔头骨架图像中灰度值为255像素点总数,利用三次贝塞尔曲线拟合离散的骨架数据点集中的数据点,得到所选帧的毛笔笔头的中轴线;
(4g)将所选帧的毛笔笔头边缘图像上所有灰度值为255的每个像素点映射到毛笔笔头中轴线所在的坐标系中,得到对应的离散的边缘数据点(xj,yj),j的取值范围为[1,N],N表示毛笔笔头边缘图像中灰度值为255像素点总数,利用三次贝塞尔曲线拟合所有离散的边缘数据点,得到所选帧的毛笔笔头的边缘曲线;
(4h)将毛笔笔头的中轴线等分为K段,将每个等分点pn处的中轴线的垂线与毛笔笔头的边缘曲线的交线段的长度赋值给过等分点pn的毛笔笔头模型的椭圆的长轴直径Dn,0≤n≤K,K表示等分点个数;
(4i)判断毛笔笔头中轴线是否为一条直线段,若是,则执行步骤(4j),否则执行步骤(4k);
(4j)取经过等分点pn的毛笔笔头模型的椭圆的短轴直径Cn等于取经过等分点pn的椭圆长轴直径Dn;
(4k)按照椭圆短轴直径计算公式,计算经过等分点pn的椭圆短轴直径Cn;
(5)建立毛笔模型,当前的毛笔模型是由K个经过毛笔中轴线等分点pn的长轴直径为Dn、短轴直径为Bn的椭圆组成的,这些椭圆垂直于毛笔中轴线,K为毛笔中轴线等分点的个数;
(6)判断是否读取完视频中所有帧图像,若是,则执行步骤(7),否则,执行步骤(2);
(7)得到所有帧图像帧对应的毛笔模型。
2.根据权利要求1所述的基于视频的虚拟毛笔建模方法,其特征在于,步骤(1)中所述的特定毛笔是指,除黑色之外的任意一种颜色,对毛笔笔头染色处理后的毛笔。
3.根据权利要求1所述的基于视频的虚拟毛笔建模方法,其特征在于,步骤(1)中所述的毛笔字书写视频是指,录制使用特定毛笔蘸清水在水写布上书写单个汉字过程的视频,视频中墨迹颜色与毛笔笔头颜色不同为黑色。
4.根据权利要求1所述的基于视频的虚拟毛笔建模方法,其特征在于,步骤(4a)中所述的灰度值计算公式如下:
Fi=0.30Ri+0.59Gi+0.11Bi
其中,Fi表示所选帧的毛笔笔头图像中的第i个像素点的灰度值,Ri表示所选帧的毛笔笔头图像中的第i个像素点的红色分量,Gi表示所选帧的毛笔笔头图像中的第i个像素点的绿色分量,Bi表示所选帧的毛笔笔头图像中的第i个像素点的蓝色分量。
5.根据权利要求1所述的基于视频的虚拟毛笔建模方法,其特征在于,步骤(4b)中所述最大类间方差法的具体步骤如下:
第一步,从灰度化后所选帧的毛笔笔头图像中,任选一个未被选过的像素点的灰度值作为参考灰度值;
第二步,将灰度值大于参考灰度值的灰度化后所选帧的毛笔笔头图像像素点,作为前景像素点;将灰度值小于参考灰度值的灰度化后所选帧的毛笔笔头图像的像素点,作为背景像素点;
第三步,按照下式,计算灰度化后所选帧的毛笔笔头图像的前景和背景之间的类间方差值:
g=ω0×ω1×(μ0-μ1)2
其中,g表示灰度化后所选帧的毛笔笔头图像的前景与背景之间的类间方差值,ω0表示背景像素点在灰度化后所选帧的毛笔笔头图像的所有像素点中所占的比例,ω1表示前景像素点在灰度化后所选帧的毛笔笔头图像的所有像素点中所占的比例,μ0表示所有背景像素点灰度值的均值,μ1表示所有前景像素点灰度值的均值;
第四步,判断灰度化后所选帧的毛笔笔头图像中是否还存在未被选过的像素点,若是,则执行第一步,否则,执行第五步;
第五步,将类间方差中最大的类间方差所使用的参考灰度值,作为灰度化后所选帧的毛笔笔头图像的全局阈值。
6.根据权利要求1所述的基于视频的虚拟毛笔建模方法,其特征在于,步骤(4d)中所述图像边缘检测方法的具体步骤如下:
第一步,以3行3列的全1矩阵为结构元素,对二值化后所选帧的毛笔笔头图像进行数学形态学腐蚀操作,得到腐蚀后的所选帧的毛笔笔头图像;
第二步,用二值化后所选帧的毛笔笔头图像各像素点的灰度值减去腐蚀后的所选帧的毛笔笔头图像对应像素点处的灰度值,将差值中为二值为255的像素点提取出来组成二值化后毛笔笔头图像的边缘。
7.根据权利要求1所述的基于视频的虚拟毛笔建模方法,其特征在于,步骤(4e)中所述的图像骨架提取方法的具体步骤如下:
第一步,以3行3列的全1矩阵为结构元素,对二值化后所选帧的毛笔笔头图像作数学形态学开操作,得到开操作后的所选帧的毛笔笔头图像;
第二步,用二值化后所选帧的毛笔笔头图像减去开操作后的所选帧的毛笔笔头图像对应像素点处像素值,将差值中二值为255的像素点提取出来组成二值化后毛笔笔头图像的骨架。
8.根据权利要求1所述的基于视频的虚拟毛笔建模方法,其特征在于,步骤(4k)所述的椭圆短轴直径计算公式如下:
其中,cn表示经过等分点pn的椭圆短轴直径椭圆短轴直径;An表示中轴线为直线段时第n个等分点处的椭圆长轴直径;L表示中轴线的弧长;Dn表示经过第n个等分点处的椭圆短轴直径椭圆短轴直径;Q表示中轴线为直线段时中轴线的弧长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810548492.6A CN108805968B (zh) | 2018-05-31 | 2018-05-31 | 基于视频的虚拟毛笔建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810548492.6A CN108805968B (zh) | 2018-05-31 | 2018-05-31 | 基于视频的虚拟毛笔建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108805968A true CN108805968A (zh) | 2018-11-13 |
CN108805968B CN108805968B (zh) | 2020-07-10 |
Family
ID=64089778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810548492.6A Expired - Fee Related CN108805968B (zh) | 2018-05-31 | 2018-05-31 | 基于视频的虚拟毛笔建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805968B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1996347A (zh) * | 2006-09-14 | 2007-07-11 | 浙江大学 | 一种基于书法图像的可视化重现方法 |
CN101901499A (zh) * | 2010-07-09 | 2010-12-01 | 浙江大学 | 三维虚拟环境中书法创作方法 |
CN102306308A (zh) * | 2011-08-26 | 2012-01-04 | 厦门大学 | 一种基于纹理学习的电子毛笔建模方法 |
CN103345773A (zh) * | 2013-06-20 | 2013-10-09 | 大连理工大学 | 一种基于力反馈技术的毛笔建模方法 |
CN103514778A (zh) * | 2012-06-18 | 2014-01-15 | 申重学 | 数字化汉字实用书写运笔练习法 |
WO2019177515A1 (en) * | 2018-03-16 | 2019-09-19 | Flatfrog Laboratories Ab | A touch-sensitive apparatus |
-
2018
- 2018-05-31 CN CN201810548492.6A patent/CN108805968B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1996347A (zh) * | 2006-09-14 | 2007-07-11 | 浙江大学 | 一种基于书法图像的可视化重现方法 |
CN101901499A (zh) * | 2010-07-09 | 2010-12-01 | 浙江大学 | 三维虚拟环境中书法创作方法 |
CN102306308A (zh) * | 2011-08-26 | 2012-01-04 | 厦门大学 | 一种基于纹理学习的电子毛笔建模方法 |
CN103514778A (zh) * | 2012-06-18 | 2014-01-15 | 申重学 | 数字化汉字实用书写运笔练习法 |
CN103345773A (zh) * | 2013-06-20 | 2013-10-09 | 大连理工大学 | 一种基于力反馈技术的毛笔建模方法 |
WO2019177515A1 (en) * | 2018-03-16 | 2019-09-19 | Flatfrog Laboratories Ab | A touch-sensitive apparatus |
Non-Patent Citations (2)
Title |
---|
H.H.S.IP: "Calligraphic character synthesis using a brush model", 《PROCEEDINGS COMPUTER GRAPHICS INTERNATIONAL》 * |
侯增选 等: "虚拟毛笔建模研究现状与展望", 《计算机应用研究》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108805968B (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107644415B (zh) | 一种文本图像质量评估方法及设备 | |
CN112819947A (zh) | 三维人脸的重建方法、装置、电子设备以及存储介质 | |
CN107610200B (zh) | 一种基于特征模板的字库快速生成方法 | |
CN103914863B (zh) | 一种彩色图像抽象化绘制方法 | |
CN105335725A (zh) | 一种基于特征融合的步态识别身份认证方法 | |
CN106067161A (zh) | 一种对图像进行超分辨的方法 | |
CN108304357A (zh) | 一种基于字体流形的中文字库自动生成方法 | |
CN103218846B (zh) | 三维树木模型的水墨画模拟方法 | |
CN109064522A (zh) | 基于条件生成对抗网络的汉字字体生成方法 | |
CN102289838A (zh) | 一种由书法汉字图像生成其动态书写动画的方法 | |
CN111127596B (zh) | 一种基于增量Voronoi序列的分层油画笔刷绘制方法 | |
CN107945244A (zh) | 一种基于人脸照片的简笔画生成方法 | |
CN104821005B (zh) | 可模拟笔势风格的汉字书法作品书写过程动态复现的方法 | |
CN110232377A (zh) | 一种字帖练习书法的人工智能评分系统及方法 | |
CN104063888B (zh) | 一种基于非真实感的波谱艺术风格绘制方法 | |
CN111062290A (zh) | 基于生成对抗网络中国书法风格转换模型构建方法及装置 | |
CN1996347A (zh) | 一种基于书法图像的可视化重现方法 | |
CN113240790B (zh) | 一种基于3d模型和点云处理的钢轨缺陷图像生成方法 | |
Mücke et al. | Surface Reconstruction from Multi-resolution Sample Points. | |
CN110533579A (zh) | 基于自编码结构与梯度保序的视频风格转换方法 | |
CN100487732C (zh) | 一种基于人脸照片的卡通肖像生成方法 | |
Wong et al. | Model-based analysis of Chinese calligraphy images | |
He | Application of local color simulation method of landscape painting based on deep learning generative adversarial networks | |
CN108288299A (zh) | 一种表情数据驱动三维形象表情的方法及系统 | |
CN108961384A (zh) | 三维图像重建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200710 Termination date: 20210531 |